静态类型Python中如何声明任意长度一维NumPy数组及区分维度

1. Any的作用 #

这里的Any是类型提示中的通配符，用来表示数组的形状（shape）不受限制——无论数组是标量、一维还是多维，只要元素类型为float64，都符合这个类型声明。它的本质是告诉类型检查器：无需校验数组的形状，任意形状都可接受。

2. 当前声明是否允许多维数组？ #

是的，完全允许。因为Any放开了形状限制，所以像(10,)的一维数组、(5,5)的二维数组、(3,4,2)的三维数组，只要元素是float64，都会被类型检查器判定为匹配floats类型。

3. 静态区分一维、二维或三维数组的方法 #

要精准指定不同维度的数组类型，需要用typing.Tuple来明确描述形状：

• 一维数组：用单元素可变长度元组表示任意长度的一维数组，或固定长度元组表示特定长度的一维数组：

  from typing import Tuple
  import numpy as np
  
  float64 = np.dtype[np.float64]
  # 任意长度的一维float64数组
  one_d_float_array = np.ndarray[Tuple[int, ...], float64]
  # 固定长度（10个元素）的一维数组
  fixed_len_one_d = np.ndarray[Tuple[10], float64]
  

• 二维数组：用双元素元组描述行列维度，支持任意或固定形状：

  # 任意行列数的二维float64数组
  two_d_float_array = np.ndarray[Tuple[int, int], float64]
  # 固定5行5列的二维数组
  fixed_shape_two_d = np.ndarray[Tuple[5,5], float64]
  

• 三维数组：用三元素元组描述三维形状：

  # 任意尺寸的三维float64数组
  three_d_float_array = np.ndarray[Tuple[int, int, int], float64]
  # 固定3×4×2形状的三维数组
  fixed_shape_three_d = np.ndarray[Tuple[3,4,2], float64]
  

通过这种方式，类型检查器可以精准识别不同维度的数组，不符合维度的赋值会被标记为类型错误。

内容的提问来源于stack exchange，提问作者Chechy Levas